《基於混合系統理論的自適應學習控制》是依託西安電子科技大學，由李俊民擔任項目負責人的面上項目。
基本介紹
- 中文名：基於混合系統理論的自適應學習控制
- 項目類別：面上項目
- 項目負責人：李俊民
- 依託單位：西安電子科技大學
中文摘要,結題摘要,
中文摘要
本研究課題擬針對機器人系統的複雜目標跟蹤的疊代學習控制問題和工業過程穩態最佳化中的非重複目標跟蹤的重複學習控制問題，將每次學習控制定義為離散事件，建立有限時間區間和無限時間區間時變參數化混合動態系統模型；提出分析這兩類新型混合系統穩定性的混合Lyapunov穩定性理論，設計複雜目標跟蹤的混合自適應疊代學習控制和混合自適應重複學習控制算法，保證跟蹤誤差在廣義極大範數意義或廣義均方範數意義下收斂於零；根據混合動態系統的穩定性理論分析該系統的穩定性、算法的收斂性；給出確定收斂目標軌線集的有效方法。給出重置誤差對於系統性能影響的魯棒性結果。然後將其推廣到非線性時滯系統和未知非線性系統和關聯動態大系統等。將新理論與方法套用於機器人系統非一致目標跟蹤問題和連續工業過程穩態最佳化控制中，解決學習控制目標軌線收斂集的確定問題，更好地改善機器人系統的跟蹤性能和工業過程的動態品質。
結題摘要
本項目針對機器人系統複雜目標跟蹤問題，從混合系統理論角度研究了混合自適應學習控制的設計和分析問題。主要成果有：對脈衝非線性混合動態系統提出了三個新的有限時間穩定的充分條件，放鬆了Lyapunov函式的導數條件；提出一種新的廣義微分Petri網模型，放鬆了觸發條件依賴弧權的限制和弧權的定義，給出一個新的混合動態系統穩定性結果。對有限狀態自動機型非線性脈衝混合系統，分別設計了脈衝混合反饋控制器和基於混合觀測器的輸出反饋控制器，給出整個閉環系統漸近穩定的充分條件。對線性參數化不確定系統，基於魯棒自適應控制給出了實用疊代學習控制的統一框架，給出了算法收斂的充分條件。對一類具有未知時變離散-分布時滯以及未知控制方向及輸入時滯的未知非線性系統，基於模糊邏輯系統的萬能逼近特性和重新參數化方法以及Nussbaum函式, 分別提出了一種新的自適應模糊動態輸出反饋控制策略,確保跟蹤誤差收斂到一個大小可任意小的剩餘集中，以此為基礎，可以設計出實用自適應疊代學習控制。對未知隨機非線性關聯大系統．採用分散的非線性觀測器估計系統狀態，對每一個子系統引入一個神經網路補償依賴於該子系統輸出和時滯項的所有未知上界函式，給出隨機非線性時滯關聯大系統的自適應輸出反饋分散穩定的條件。對混合線性參數化和非線性時變參數化系統，分別構造了微分-差分型參數學習律和控制律，提出了自適應重複學習控制算法，證明閉環系統漸進穩定和算法收斂的充分條件，套用這些方法分別解決了有周期時變未知參數的不同混沌系統廣義投影同步、具有周期時變未知參數、未知時變時滯和未知時變耦合強度和非線性時變參數化複雜動態網路的同步等難題。對一類未知時滯非線性時變參數化系統，提出了混合自適應疊代學習控制方法。利用重新參數化方法，設計出了連續-離散型參數更新律，證明跟蹤誤差的平方在一個有限區間上的積分漸近收斂於零及閉環系統穩定性。並把這些結果推廣到具有未知控制方向和未知分布時滯非線性時變參數化系統。對未知非線性時變參數化嚴格反饋時滯系統，利用RBF神經網路和傅立葉級數展開逼近未知非線性函式，建立了一種自適應疊代學習控制算法, 構造新的Lyapunov泛函, 證明了系統輸出跟蹤誤差一致收斂於零的充分條件。本項目成果在機器人和工業過程的跟蹤控制中有重要套用價值。
